Impact of traumatic upper-extremity amputation on the outcome of injury caused by an antipersonnel improvised explosive device
Notice bibliographique
Résumé
Background: We have previously reported a higher than expected rate of upper-extremity amputation (UEA) in victims of an antipersonnel improvised explosive device (AP-IED) compared with a similar cohort injured by antipersonnel mines (APM). The goal of this study was to describe the rate, severity and impact of UAE caused by an AP-IED. Methods: We analyzed a prospective database of 100 consecutive dismounted AP-IED victims with pattern 1 injuries to compare the outcomes of the cohort with UEA to that without. Results: We found that UEA (8 above elbow, 19 below elbow, 1 through elbow, 3 hand, 15 digit(s)) was much more prevalent with AP-IED than with APM (40% v. 6%, p < 0.001). In addition, UEA was associated with a higher rate of multiple amputations (39 [98%] v. 32 [53%], p < 0.001), bilateral lower-extremity amputation (LEA; 33 [82.5%] v. 30 [53.3%], p = 0.003) and facial injury (8 [20%] v. 4 [6.4%], p = 0.044), but not with pelvic disruption (10 [25%]), genitoperineal mutilation (19 [48%]), eye injury (6 [15%]), or skull fracture (6 [15%]). The fatality rate was higher in patients with UEA than in those without (12 [30%] v. 7 [12%], p = 0.022). Conclusion: Upper-extremity amputation is more prevalent with AP-IED than APM. Presence of UEA is associated with more severe injury and increased risk of death in AP-IED victims. Upper-limb injury has significant consequences for rehabilitation from LEA, which universally accompanies UEA in AP-IED victims. Upper-extremity injury should be amenable to prevention by innovative personal protective equipment designed to protect the flexed elbow.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».